با توجه به هدف این پایان نامه مبنی بر ارائه چارت عیب یابی جدید و مدوّن برای تعیین هویت ارتعاشات ماشین آلات دوار یک سری آزمایش ها بر روی ماشین آلات دوار انجام گرفت و به همراه تحلیل های موجود در منابع، یک سری اطلاعات پایه برای شبکه عصبی تدوین گردیده است تا به کمک نرم افزار مطلب بتوانیم از این اطلاعات پایه برای عیب-یابی دیگر ماشین آلات دوار استفاده کنیم. به ندرت اتفاق می افتد که منبع ایجاد ارتعاش یک ماشین، طراحی نادرست یا ساخت ناقص آن باشد. به عبارت دیگر، عیوب سرچشمه ارتعاش هستند. یک ماشین کامل و بی عیب هیچ ارتعاشی ایجاد نمی کند. اما دستیابی به یک ماشین کاملا بی عیب، با صرف هر هزینه ای، یک امر ناممکن است. اولین مشکل در شناسایی عیب ارتعاشی مشخص کردن منبع و محل آن است. شناسایی منبع به معنی انجام یک تحلیل فرکانسی به منظور یافتن فرکانس موثر می-باشد، سپس ردیابی آن، تا منبع ارتعاش تعیین گردد. در بین روش های مختلف پایش وضعیت، آنالیز ارتعاشات و عیب یابی ماشین آلات از طریق تفسیر سیگنال ارتعاشی، به عنوان یکی از روش های غیرمخرب و قابل اجرا در حین کارکرد دستگاه، از جایگاه ویژه ای برخوردار است. خطاهای اندازه گیری و محاسباتی، اعمال سلایق شخصی و تجربی افراد، شناخت نسبت به یک دستگاه خاص، در نظر گرفتن رفتارهای خاص بعضی از ماشین آلات و ... بروز خطا در تشخیص عیوب دستگاه ها را افزایش می دهد. این امر ایجاد یک ساختار اطلاعاتی مناسب که قادر به تشخیص عیوب با سرعت و دقت مناسب باشد را طلب می کند. از طرفی چارت های موجود در منابع نمی تواند شبکه عصبی را به صورت دقیق آموزش دهد تا شبکه بتواند عیوب دیگر ماشین ها را تشخیص دهد. در این رساله با بررسی برخی عیوب، مطالعه جداول عیب یابی و انجام آزمایش های عملی، اطلاعات مورد نیاز برای ایجاد یک چارت جدید جهت عیب یابی ماشین آلات دوار فراهم شده است. در ادامه این چارت جدید به شبکه عصبی در نرم افزار مطلب آموزش داده شده تا این شبکه پس از ارزیابی وضعیت کلی ماشین های دوار بر طبق استاندارد 10816، قادر به تشخیص عیوب اینگونه ماشین ها باشد.